以SPHC为研究对象,通过遗传算法改善神经网络参数,获得最佳预测能力的神经网络,建立了带钢化学成分等因素对产品性能影响的定量关系.考虑了生产的条件和能力以及用户对力学性能的要求,通过遗传算法计算轧制过程中的温度制度参数,实现组织性能的柔性化轧制.研究结果表明,实际测量的3个温度制度参数包含在预测的温度制度参数范围内.在生产能力允许的条件下,温度制度可以控制的屈服强度波动范围约为±10%.采用遗传算法能高效地计算温度制度参数.
参考文献
| [1] | 刘相华,王国栋,杜林秀,刘振宇.钢材性能柔性化与柔性轧制技术[J].钢铁,2006(11):32-36,62. |
| [2] | 王国栋,刘相华,李维娟,杜林秀,张红梅,袁建光,张丕军.超级Super-SS400钢的工业轧制实验[J].钢铁,2001(05):39-43. |
| [3] | 刘相华,陆匠心,张丕君,杜林秀,王国栋.400～500 MPa级碳素钢先进工业化制造技术[J].中国有色金属学报,2004(z1):207-210. |
| [4] | 刘振宇;许云波;王国栋.热轧钢材组织性能演变的模拟和预测[M].沈阳:东北大学出版社,2004 |
| [5] | 郑晖,王昭东,王国栋,刘相华,张丕军,刘孝荣.利用人工神经网络模型预测SS400热轧板带力学性能[J].钢铁,2002(07):37-40,53. |
| [6] | 莫春立,李强,李殿中,冯峰,詹志东.应用回归和神经网络方法预测热轧带钢性能[J].金属学报,2003(10):1110-1114. |
| [7] | Poliak E I .Application of Linear Regression Analysis in Accuracy Assessment of Rolling Force Calculations[J].Metals and Materials,1998,4(05):1047. |
| [8] | Rasit Koker;Necat Altinkok;Adem Demir .Neural network based prediction of mechanical properties of particulate reinforced metal matrix composites using various training algorithms[J].Materials & Design,2007(1):616-627. |
| [9] | Hosseini S M K;Zarei-Hanzaki A;Yazdan M J et al.ANN Model for Prediction of the Effects of Composition and Process Parameters on Tensile Strength and Percent Elongation of Si-Mn Trip Steels[J].Materials Science and Engineering,2004,374A:122. |
| [10] | Son J S;Lee D M;Kim I S et al.A Study on Genetic Algorithm to Select Architecture of A Optimal Neural Network in the Hot Rolling Process[J].Journal of Materials Processing Technology,2004,153-154:643. |
| [11] | Kulkarni A J;Krishnamurthy K;Deshmukh S P et al.Microstructural Optimization of Alloys Using a Genetic Algorithm[J].Materials Science and Engineering,2004,372A:213. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%